2019-04-16 12:24:37 發(fā)表閱讀：131
▌總結
到了這個階段,，云計算基本上實現(xiàn)了時間靈活性和空間靈活性,；實現(xiàn)了計算,、網(wǎng)絡,、存儲資源的彈性,。
計算、網(wǎng)絡,、存儲我們常稱為基礎設施 Infranstracture, 因而這個階段的彈性稱為資源層面的彈性。
管理資源的云平臺,，我們稱為基礎設施服務，也就是我們常聽到的 IaaS（Infranstracture As A Service）,。
▌云計算不光管資源,，也要管應用
有了 IaaS，實現(xiàn)了資源層面的彈性就夠了嗎,？顯然不是,，還有應用層面的彈性。
這里舉個例子：比如說實現(xiàn)一個電商的應用,，平時十臺機器就夠了,，雙十一需要一百臺。你可能覺得很好辦啊,，有了 IaaS,，新創(chuàng)建九十臺機器就可以了啊。
但 90 臺機器創(chuàng)建出來是空的,，電商應用并沒有放上去,，只能讓公司的運維人員一臺一臺的弄，需要很長時間才能安裝好的,。
雖然資源層面實現(xiàn)了彈性,，但沒有應用層的彈性，依然靈活性是不夠的,。有沒有方法解決這個問題呢,？
人們在 IaaS 平臺之上又加了一層，用于管理資源以上的應用彈性的問題,，這一層通常稱為 PaaS（Platform As A Service）,。
這一層往往比較難理解，大致分兩部分：一部分筆者稱為“你自己的應用自動安裝”,，一部分筆者稱為“通用的應用不用安裝”,。
自己的應用自動安裝：比如電商應用是你自己開發(fā)的，除了你自己,，其他人是不知道怎么安裝的,。
像電商應用，安裝時需要配置支付寶或者微信的賬號,，才能使別人在你的電商上買東西時,，付的錢是打到你的賬戶里面的，除了你,，誰也不知道,。
所以安裝的過程平臺幫不了忙,，但能夠幫你做得自動化，你需要做一些工作,，將自己的配置信息融入到自動化的安裝過程中方可,。
比如上面的例子，雙十一新創(chuàng)建出來的 90 臺機器是空的,，如果能夠提供一個工具,，能夠自動在這新的 90 臺機器上將電商應用安裝好，就能夠?qū)崿F(xiàn)應用層面的真正彈性,。
例如 Puppet,、Chef、Ansible,、Cloud Foundary 都可以干這件事情,，最新的容器技術 Docker 能更好的干這件事情。
通用的應用不用安裝：所謂通用的應用,，一般指一些復雜性比較高,，但大家都在用的，例如數(shù)據(jù)庫,。幾乎所有的應用都會用數(shù)據(jù)庫,，但數(shù)據(jù)庫軟件是標準的，雖然安裝和維護比較復雜,，但無論誰安裝都是一樣,。
這樣的應用可以變成標準的 PaaS 層的應用放在云平臺的界面上。當用戶需要一個數(shù)據(jù)庫時,，一點就出來了,，用戶就可以直接用了。
有人問,，既然誰安裝都一個樣,，那我自己來好了，不需要花錢在云平臺上買,。當然不是,，數(shù)據(jù)庫是一個非常難的東西，光 Oracle 這家公司,，靠數(shù)據(jù)庫就能賺這么多錢,。買 Oracle 也是要花很多錢的。
然而大多數(shù)云平臺會提供 MySQL 這樣的開源數(shù)據(jù)庫,，又是開源,，錢不需要花這么多了。
但維護這個數(shù)據(jù)庫,，卻需要專門招一個很大的團隊,，如果這個數(shù)據(jù)庫能夠優(yōu)化到能夠支撐雙十一,，也不是一年兩年能夠搞定的。
比如您是一個做單車的,，當然沒必要招一個非常大的數(shù)據(jù)庫團隊來干這件事情,，成本太高了，應該交給云平臺來做這件事情,。
專業(yè)的事情專業(yè)的人來做,，云平臺專門養(yǎng)了幾百人維護這套系統(tǒng)，您只要專注于您的單車應用就可以了,。
要么是自動部署,，要么是不用部署,，總的來說就是應用層你也要少操心,，這就是 PaaS 層的重要作用。
雖說腳本的方式能夠解決自己的應用的部署問題,，然而不同的環(huán)境千差萬別,，一個腳本往往在一個環(huán)境上運行正確，到另一個環(huán)境就不正確了,。
而容器是能更好地解決這個問題,。
容器是 Container，Container 另一個意思是集裝箱,，其實容器的思想就是要變成軟件交付的集裝箱,。集裝箱的特點：一是封裝，二是標準,。
在沒有集裝箱的時代,，假設將貨物從 A 運到 B，中間要經(jīng)過三個碼頭,、換三次船,。
每次都要將貨物卸下船來，擺得七零八落,，然后搬上船重新整齊擺好,。因此在沒有集裝箱時，每次換船,，船員們都要在岸上待幾天才能走,。
有了集裝箱以后，所有的貨物都打包在一起了,，并且集裝箱的尺寸全部一致,，所以每次換船時，一個箱子整體搬過去就行了,，小時級別就能完成,，船員再也不用上岸長時間耽擱了,。
這是集裝箱“封裝”、“標準”兩大特點在生活中的應用,。
那么容器如何對應用打包呢,？還是要學習集裝箱。首先要有個封閉的環(huán)境,，將貨物封裝起來,，讓貨物之間互不干擾、互相隔離,，這樣裝貨卸貨才方便,。好在 Ubuntu 中的 LXC 技術早就能做到這一點。
封閉的環(huán)境主要使用了兩種技術：
看起來是隔離的技術,，稱為 Namespace,，也即每個 Namespace 中的應用看到的是不同的 IP 地址、用戶空間,、程號等,。
用起來是隔離的技術，稱為 Cgroups,，也即明明整臺機器有很多的 CPU,、內(nèi)存，而一個應用只能用其中的一部分,。
所謂的鏡像,，就是將你焊好集裝箱的那一刻，將集裝箱的狀態(tài)保存下來,，就像孫悟空說：“定”,，集裝箱里面就定在了那一刻，然后將這一刻的狀態(tài)保存成一系列文件,。
這些文件的格式是標準的,，誰看到這些文件都能還原當時定住的那個時刻。將鏡像還原成運行時的過程（就是讀取鏡像文件,，還原那個時刻的過程）,，就是容器運行的過程。
有了容器,，使得 PaaS 層對于用戶自身應用的自動部署變得快速而優(yōu)雅,。
▌大數(shù)據(jù)擁抱云計算
在 PaaS 層中一個復雜的通用應用就是大數(shù)據(jù)平臺。大數(shù)據(jù)是如何一步一步融入云計算的呢,？
▌數(shù)據(jù)不大也包含智慧
一開始這個大數(shù)據(jù)并不大,。原來才有多少數(shù)據(jù)？現(xiàn)在大家都去看電子書，上網(wǎng)看新聞了,，在我們 80 后小時候,，信息量沒有那么大，也就看看書,、看看報,，一個星期的報紙加起來才有多少字？
如果你不在一個大城市,，一個普通的學校的圖書館加起來也沒幾個書架,，是后來隨著信息化的到來，信息才會越來越多,。
首先我們來看一下大數(shù)據(jù)里面的數(shù)據(jù),，就分三種類型：
數(shù)據(jù)本身沒有什么用處,，但數(shù)據(jù)里面包含一個很重要的東西，叫做信息（Information）,。
數(shù)據(jù)十分雜亂,，經(jīng)過梳理和清洗，才能夠稱為信息。信息會包含很多規(guī)律,，我們需要從信息中將規(guī)律總結出來,，稱為知識（Knowledge），而知識改變命運,。
信息是很多的,，但有人看到了信息相當于白看，但有人就從信息中看到了電商的未來,，有人看到了直播的未來,，所以人家就牛了。
如果你沒有從信息中提取出知識,，天天看朋友圈也只能在互聯(lián)網(wǎng)滾滾大潮中做個看客,。
有了知識，然后利用這些知識去應用于實戰(zhàn),，有的人會做得非常好,，這個東西叫做智慧（Intelligence）。
有知識并不一定有智慧,，例如好多學者很有知識,，已經(jīng)發(fā)生的事情可以從各個角度分析得頭頭是道，但一到實干就歇菜,，并不能轉化成為智慧,。
而很多的創(chuàng)業(yè)家之所以偉大，就是通過獲得的知識應用于實踐,，最后做了很大的生意,。
所以數(shù)據(jù)的應用分這四個步驟：數(shù)據(jù)、信息,、知識,、智慧。
最終的階段是很多商家都想要的,。你看我收集了這么多的數(shù)據(jù),，能不能基于這些數(shù)據(jù)來幫我做下一步的決策，改善我的產(chǎn)品,。
例如讓用戶看視頻的時候旁邊彈出廣告,，正好是他想買的東西；再如讓用戶聽音樂時,，另外推薦一些他非常想聽的其他音樂,。
用戶在我的應用或者網(wǎng)站上隨便點點鼠標，輸入文字對我來說都是數(shù)據(jù),，我就是要將其中某些東西提取出來,、指導實踐、形成智慧，讓用戶陷入到我的應用里面不可自拔,，上了我的網(wǎng)就不想離開,，手不停地點、不停地買,。
很多人說雙十一我都想斷網(wǎng)了,，我老婆在上面不斷地買買買，買了 A 又推薦 B,，老婆大人說,，“哎呀，B 也是我喜歡的啊,，老公我要買”,。
你說這個程序怎么這么牛，這么有智慧,，比我還了解我老婆,，這件事情是怎么做到的呢？
▌數(shù)據(jù)如何升華為智慧
數(shù)據(jù)的處理分以下幾個步驟,，完成了才最后會有智慧：
▌數(shù)據(jù)收集
首先得有數(shù)據(jù),，數(shù)據(jù)的收集有兩個方式：
比如說新浪有個新聞,，你拿百度搜出來，你不點的時候,，那一頁在百度數(shù)據(jù)中心,，一點出來的網(wǎng)頁就是在新浪的數(shù)據(jù)中心了。
▌數(shù)據(jù)傳輸
一般會通過隊列方式進行，因為數(shù)據(jù)量實在是太大了,，數(shù)據(jù)必須經(jīng)過處理才會有用,。可系統(tǒng)處理不過來,，只好排好隊,，慢慢處理。
▌數(shù)據(jù)存儲
現(xiàn)在數(shù)據(jù)就是金錢,，掌握了數(shù)據(jù)就相當于掌握了錢,。要不然網(wǎng)站怎么知道你想買什么？
就是因為它有你歷史的交易數(shù)據(jù),，這個信息可不能給別人,，十分寶貴，所以需要存儲下來,。
▌數(shù)據(jù)處理和分析
上面存儲的數(shù)據(jù)是原始數(shù)據(jù),，原始數(shù)據(jù)多是雜亂無章的，有很多垃圾數(shù)據(jù)在里面,，因而需要清洗和過濾,，得到一些高質(zhì)量的數(shù)據(jù)。
對于高質(zhì)量的數(shù)據(jù),，就可以進行分析,，從而對數(shù)據(jù)進行分類，或者發(fā)現(xiàn)數(shù)據(jù)之間的相互關系,，得到知識,。
比如盛傳的沃爾瑪超市的啤酒和尿布的故事，就是通過對人們的購買數(shù)據(jù)進行分析,，發(fā)現(xiàn)了男人一般買尿布的時候,，會同時購買啤酒。
這樣就發(fā)現(xiàn)了啤酒和尿布之間的相互關系,，獲得知識,，然后應用到實踐中，將啤酒和尿布的柜臺弄的很近,，就獲得了智慧,。
▌數(shù)據(jù)檢索和挖掘
檢索就是搜索，所謂外事不決問 Google,，內(nèi)事不決問百度,。內(nèi)外兩大搜索引擎都是將分析后的數(shù)據(jù)放入搜索引擎，因此人們想尋找信息的時候,，一搜就有了,。
另外就是挖掘,，僅僅搜索出來已經(jīng)不能滿足人們的要求了，還需要從信息中挖掘出相互的關系,。
比如財經(jīng)搜索,，當搜索某個公司股票的時候，該公司的高管是不是也應該被挖掘出來呢,？
如果僅僅搜索出這個公司的股票發(fā)現(xiàn)漲的特別好,，于是你就去買了，其時其高管發(fā)了一個聲明,，對股票十分不利,，第二天就跌了，這不坑害廣大股民么,？所以通過各種算法挖掘數(shù)據(jù)中的關系,，形成知識庫，十分重要,。
▌大數(shù)據(jù)時代,，眾人拾柴火焰高
當數(shù)據(jù)量很小時，很少的幾臺機器就能解決,。慢慢的,，當數(shù)據(jù)量越來越大，最牛的服務器都解決不了問題時,，怎么辦呢,？
這時就要聚合多臺機器的力量，大家齊心協(xié)力一起把這個事搞定,，眾人拾柴火焰高,。
對于數(shù)據(jù)的收集：就 IoT 來講，外面部署著成千上萬的檢測設備,，將大量的溫度,、濕度,、監(jiān)控,、電力等數(shù)據(jù)統(tǒng)統(tǒng)收集上來；就互聯(lián)網(wǎng)網(wǎng)頁的搜索引擎來講，需要將整個互聯(lián)網(wǎng)所有的網(wǎng)頁都下載下來,。
這顯然一臺機器做不到，需要多臺機器組成網(wǎng)絡爬蟲系統(tǒng),，每臺機器下載一部分,，同時工作，才能在有限的時間內(nèi),，將海量的網(wǎng)頁下載完畢,。
對于數(shù)據(jù)的傳輸：一個內(nèi)存里面的隊列肯定會被大量的數(shù)據(jù)擠爆掉,，于是就產(chǎn)生了基于硬盤的分布式隊列，這樣隊列可以多臺機器同時傳輸,，隨你數(shù)據(jù)量多大,，只要我的隊列足夠多，管道足夠粗,，就能夠撐得住,。
對于數(shù)據(jù)的存儲：一臺機器的文件系統(tǒng)肯定是放不下的，所以需要一個很大的分布式文件系統(tǒng)來做這件事情,，把多臺機器的硬盤打成一塊大的文件系統(tǒng),。
對于數(shù)據(jù)的分析：可能需要對大量的數(shù)據(jù)做分解、統(tǒng)計,、匯總,，一臺機器肯定搞不定，處理到猴年馬月也分析不完,。
于是就有分布式計算的方法,，將大量的數(shù)據(jù)分成小份，每臺機器處理一小份,，多臺機器并行處理,，很快就能算完。
例如著名的 Terasort 對 1 個 TB 的數(shù)據(jù)排序,，相當于 1000G,，如果單機處理，怎么也要幾個小時,，但并行處理 209 秒就完成了,。
所以說什么叫做大數(shù)據(jù)？說白了就是一臺機器干不完,，大家一起干,。
可是隨著數(shù)據(jù)量越來越大，很多不大的公司都需要處理相當多的數(shù)據(jù),，這些小公司沒有這么多機器可怎么辦呢,？
▌大數(shù)據(jù)需要云計算，云計算需要大數(shù)據(jù)
說到這里,，大家想起云計算了吧,。當想要干這些活時，需要很多的機器一塊做,，真的是想什么時候要就什么時候要,，想要多少就要多少。
例如大數(shù)據(jù)分析公司的財務情況,，可能一周分析一次,，如果要把這一百臺機器或者一千臺機器都在那放著,，一周用一次非常浪費。
那能不能需要計算的時候,，把這一千臺機器拿出來,；不算的時候，讓這一千臺機器去干別的事情,？
誰能做這個事兒呢,？只有云計算，可以為大數(shù)據(jù)的運算提供資源層的靈活性,。
而云計算也會部署大數(shù)據(jù)放到它的 PaaS 平臺上,，作為一個非常非常重要的通用應用。
因為大數(shù)據(jù)平臺能夠使得多臺機器一起干一個事兒,，這個東西不是一般人能開發(fā)出來的,，也不是一般人玩得轉的，怎么也得雇個幾十上百號人才能把這個玩起來,。
所以說就像數(shù)據(jù)庫一樣,，還是需要有一幫專業(yè)的人來玩這個東西。現(xiàn)在公有云上基本上都會有大數(shù)據(jù)的解決方案了,。
一個小公司需要大數(shù)據(jù)平臺的時候,，不需要采購一千臺機器，只要到公有云上一點,，這一千臺機器都出來了,，并且上面已經(jīng)部署好了的大數(shù)據(jù)平臺，只要把數(shù)據(jù)放進去算就可以了,。
云計算需要大數(shù)據(jù),，大數(shù)據(jù)需要云計算，二者就這樣結合了,。
▌人工智能擁抱大數(shù)據(jù)
機器什么時候才能懂人心
雖說有了大數(shù)據(jù),，人的欲望卻不能夠滿足。雖說在大數(shù)據(jù)平臺里面有搜索引擎這個東西,，想要什么東西一搜就出來了,。
但也存在這樣的情況：我想要的東西不會搜，表達不出來,，搜索出來的又不是我想要的,。
例如音樂軟件推薦了一首歌，這首歌我沒聽過,，當然不知道名字,，也沒法搜。但是軟件推薦給我,，我的確喜歡,，這就是搜索做不到的事情。
當人們使用這種應用時,，會發(fā)現(xiàn)機器知道我想要什么,，而不是說當我想要時，去機器里面搜索,。這個機器真像我的朋友一樣懂我,，這就有點人工智能的意思了。
人們很早就在想這個事情了,。最早的時候,，人們想象，要是有一堵墻,，墻后面是個機器,，我給它說話，它就給我回應,。
如果我感覺不出它那邊是人還是機器,，那它就真的是一個人工智能的東西了。
讓機器學會推理
怎么才能做到這一點呢,？人們就想：我首先要告訴計算機人類推理的能力,。你看人重要的是什么？人和動物的區(qū)別在什么,？就是能推理,。
要是把我這個推理的能力告訴機器，讓機器根據(jù)你的提問,，推理出相應的回答,，這樣多好？
其實目前人們慢慢地讓機器能夠做到一些推理了,，例如證明數(shù)學公式,。這是一個非常讓人驚喜的一個過程，機器竟然能夠證明數(shù)學公式,。
但慢慢又發(fā)現(xiàn)這個結果也沒有那么令人驚喜,。因為大家發(fā)現(xiàn)了一個問題：數(shù)學公式非常嚴謹，推理過程也非常嚴謹,，而且數(shù)學公式很容易拿機器來進行表達,，程序也相對容易表達。
然而人類的語言就沒這么簡單了,。比如今天晚上,，你和你女朋友約會，你女朋友說：如果你早來,，我沒來,，你等著,；如果我早來，你沒來,，你等著,！
這個機器就比較難理解了，但人都懂,。所以你和女朋友約會,，是不敢遲到的。
教給機器知識
因此,，僅僅告訴機器嚴格的推理是不夠的,，還要告訴機器一些知識。但告訴機器知識這個事情,，一般人可能就做不來了,。可能專家可以,，比如語言領域的專家或者財經(jīng)領域的專家,。
語言領域和財經(jīng)領域知識能不能表示成像數(shù)學公式一樣稍微嚴格點呢？例如語言專家可能會總結出主謂賓定狀補這些語法規(guī)則,，主語后面一定是謂語,，謂語后面一定是賓語，將這些總結出來,，并嚴格表達出來不就行了嗎,？
后來發(fā)現(xiàn)這個不行，太難總結了,，語言表達千變?nèi)f化,。就拿主謂賓的例子，很多時候在口語里面就省略了謂語,，別人問：你誰?。课一卮穑何覄⒊?。
但你不能規(guī)定在語音語義識別時,，要求對著機器說標準的書面語，這樣還是不夠智能,，就像羅永浩在一次演講中說的那樣,，每次對著手機，用書面語說：請幫我呼叫某某某,，這是一件很尷尬的事情,。
人工智能這個階段叫做專家系統(tǒng)。專家系統(tǒng)不易成功，一方面是知識比較難總結,，另一方面總結出來的知識難以教給計算機,。
因為你自己還迷迷糊糊，覺得似乎有規(guī)律,，就是說不出來,，又怎么能夠通過編程教給計算機呢,？
算了,，教不會你自己學吧
于是人們想到：機器是和人完全不一樣的物種，干脆讓機器自己學習好了,。
機器怎么學習呢,？既然機器的統(tǒng)計能力這么強，基于統(tǒng)計學習,，一定能從大量的數(shù)字中發(fā)現(xiàn)一定的規(guī)律,。
其實在娛樂圈有很好的一個例子，可窺一斑：
有一位網(wǎng)友統(tǒng)計了知名歌手在大陸發(fā)行的 9 張專輯中 117 首歌曲的歌詞,，同一詞語在一首歌出現(xiàn)只算一次,，形容詞、名詞和動詞的前十名如下表所示（詞語后面的數(shù)字是出現(xiàn)的次數(shù)）：
如果我們隨便寫一串數(shù)字,，然后按照數(shù)位依次在形容詞,、名詞和動詞中取出一個詞，連在一起會怎么樣呢,？
例如取圓周率 3.1415926,，對應的詞語是：堅強，路,，飛,，自由，雨,，埋,，迷惘。
稍微連接和潤色一下：
是不是有點感覺了,？當然,，真正基于統(tǒng)計的學習算法比這個簡單的統(tǒng)計復雜得多。
然而統(tǒng)計學習比較容易理解簡單的相關性：例如一個詞和另一個詞總是一起出現(xiàn),，兩個詞應該有關系,；而無法表達復雜的相關性。
并且統(tǒng)計方法的公式往往非常復雜,，為了簡化計算,，常常做出各種獨立性的假設，來降低公式的計算難度，然而現(xiàn)實生活中,，具有獨立性的事件是相對較少的,。
模擬大腦的工作方式
于是人類開始從機器的世界，反思人類的世界是怎么工作的,。
人類的腦子里面不是存儲著大量的規(guī)則,，也不是記錄著大量的統(tǒng)計數(shù)據(jù)，而是通過神經(jīng)元的觸發(fā)實現(xiàn)的,。
每個神經(jīng)元有從其他神經(jīng)元的輸入,，當接收到輸入時，會產(chǎn)生一個輸出來刺激其他神經(jīng)元,。于是大量的神經(jīng)元相互反應,，最終形成各種輸出的結果。
例如當人們看到美女瞳孔會放大,，絕不是大腦根據(jù)身材比例進行規(guī)則判斷,，也不是將人生中看過的所有的美女都統(tǒng)計一遍，而是神經(jīng)元從視網(wǎng)膜觸發(fā)到大腦再回到瞳孔,。
在這個過程中,，其實很難總結出每個神經(jīng)元對最終的結果起到了哪些作用，反正就是起作用了,。
于是人們開始用一個數(shù)學單元模擬神經(jīng)元,。
這個神經(jīng)元有輸入，有輸出,，輸入和輸出之間通過一個公式來表示,，輸入根據(jù)重要程度不同(權重)，影響著輸出,。
于是將 n 個神經(jīng)元通過像一張神經(jīng)網(wǎng)絡一樣連接在一起,。n 這個數(shù)字可以很大很大，所有的神經(jīng)元可以分成很多列,，每一列很多個排列起來,。
每個神經(jīng)元對于輸入的權重可以都不相同，從而每個神經(jīng)元的公式也不相同,。當人們從這張網(wǎng)絡中輸入一個東西的時候,，希望輸出一個對人類來講正確的結果。
例如上面的例子,，輸入一個寫著 2 的圖片,，輸出的列表里面第二個數(shù)字最大，其實從機器來講,，它既不知道輸入的這個圖片寫的是 2,，也不知道輸出的這一系列數(shù)字的意義,，沒關系，人知道意義就可以了,。
正如對于神經(jīng)元來說,，他們既不知道視網(wǎng)膜看到的是美女，也不知道瞳孔放大是為了看的清楚,，反正看到美女,，瞳孔放大了，就可以了,。
對于任何一張神經(jīng)網(wǎng)絡,，誰也不敢保證輸入是 2，輸出一定是第二個數(shù)字最大,，要保證這個結果,，需要訓練和學習。
畢竟看到美女而瞳孔放大也是人類很多年進化的結果,。學習的過程就是，輸入大量的圖片,，如果結果不是想要的結果,，則進行調(diào)整。
如何調(diào)整呢,？就是每個神經(jīng)元的每個權重都向目標進行微調(diào),，由于神經(jīng)元和權重實在是太多了，所以整張網(wǎng)絡產(chǎn)生的結果很難表現(xiàn)出非此即彼的結果,，而是向著結果微微地進步,，最終能夠達到目標結果。
當然,，這些調(diào)整的策略還是非常有技巧的,，需要算法的高手來仔細的調(diào)整。正如人類見到美女,，瞳孔一開始沒有放大到能看清楚,，于是美女跟別人跑了，下次學習的結果是瞳孔放大一點點,，而不是放大鼻孔,。
沒道理但做得到
聽起來也沒有那么有道理，但的確能做到,，就是這么任性,！
神經(jīng)網(wǎng)絡的普遍性定理是這樣說的，假設某個人給你某種復雜奇特的函數(shù),，f(x)：
不管這個函數(shù)是什么樣的,，總會確保有個神經(jīng)網(wǎng)絡能夠?qū)θ魏慰赡艿妮斎?x,，其值 f(x)（或者某個能夠準確的近似）是神經(jīng)網(wǎng)絡的輸出。
如果在函數(shù)代表著規(guī)律,，也意味著這個規(guī)律無論多么奇妙,，多么不能理解，都是能通過大量的神經(jīng)元,，通過大量權重的調(diào)整,，表示出來的。
人工智能的經(jīng)濟學解釋
這讓我想到了經(jīng)濟學,，于是比較容易理解了,。
我們把每個神經(jīng)元當成社會中從事經(jīng)濟活動的個體。于是神經(jīng)網(wǎng)絡相當于整個經(jīng)濟社會,，每個神經(jīng)元對于社會的輸入,，都有權重的調(diào)整，做出相應的輸出,。
比如工資漲了,、菜價漲了、股票跌了,，我應該怎么辦,、怎么花自己的錢。這里面沒有規(guī)律么,？肯定有,，但是具體什么規(guī)律呢？很難說清楚,。
基于專家系統(tǒng)的經(jīng)濟屬于計劃經(jīng)濟,。整個經(jīng)濟規(guī)律的表示不希望通過每個經(jīng)濟個體的獨立決策表現(xiàn)出來，而是希望通過專家的高屋建瓴和遠見卓識總結出來,。但專家永遠不可能知道哪個城市的哪個街道缺少一個賣甜豆腐腦的,。
于是專家說應該產(chǎn)多少鋼鐵、產(chǎn)多少饅頭,，往往距離人民生活的真正需求有較大的差距,，就算整個計劃書寫個幾百頁，也無法表達隱藏在人民生活中的小規(guī)律,。
石經(jīng)理：13802408432盧經(jīng)理：18122448016
